# Valeurs optimales selon la demonstration sur ataraxy
def normalize(e, m, mi, ma):
return 6.22 * (e - m) / (ma - mi) + 10.02
# Calcul la note de l'etudiant pour matiere mat au trimestre tri
# Il faut passer les arguments en chaine de caracteres formates correctement
def calculNote(df, i, mat, tri):
if mat == "Anglais":
if df["Langue vivante A scolarité - Libellé 2022/2023"][i] == "Anglais" or df["Langue vivante A scolarité - Libellé 2021/2022"][i] == "Anglais" or df["Langue vivante A scolarité - Libellé 2020/2021"][i] == "Anglais":
mat = "Langue vivante A"
else:
mat = "Langue vivante B"
e = df["Moyenne du Candidat en " + mat + " pour " + tri][i]
m = df["Moyenne classe Candidat en " + mat + " pour " + tri][i]
mi = df["Moyenne Basse Classe du Candidat en " + mat + " pour " + tri][i]
ma = df["Moyenne Haute Classe du Candidat en " + mat + " pour " + tri][i]
if math.isnan(e):
return None
if math.isnan(m) or math.isnan(mi) or math.isnan(ma):
return 10.22
return normalize(e, m, mi, ma)
# Verifie qu'un candidat de filiere generale possede au moins une mathiere de maths
def createOptionDict(df, i):
options = {}
annees = ["2020/2021", "2021/2022", "2022/2023"]
for annee in annees:
for j in range(1, 5):
temp = "Option facultative " + str(j) + " Scolarité - Libellé " + annee
option = df[temp][i]
options[temp] = (option)
# for option in options.values():
# if "Mathématiques" in option:
# return True
return options
def calculScore(df, i, matrice):
res = None
t = 0
for mat, arr in matrice.items():
for tri, c in triDict.items():
note = calculNote(df, i, mat, tri)
if note is None:
if mat == "Mathématiques":
return None
else:
break
else:
# Si le resultat n'a pas ete initialise on s'en occupe
if res is None:
res = 0
# Si la note est inferieure a la planche on ne classe pas
if note < matrice[mat]["Planche"]:
return None
coeff = matrice[mat]["Coeff"] * c
res += note * coeff
t += coeff
if t != 0 and res is not None:
res /= t
return res
############################################################################
df = pd.read_excel("RT_Anonyme.xlsx")
print(df.info)
# Ecriture des noms de colonnes vers un fichier pour analyse manuelle
column_list = df.columns.tolist()
i = 0
with open("column_names", 'w') as file:
for column_name in column_list:
file.write(f"{i} {column_name}\n")
i += 1
# Conversion de certaines colonnes en donnees numeriques
colonnesNumeriques = df.columns[68:998]
df[colonnesNumeriques] = df[colonnesNumeriques].apply(pd.to_numeric, errors='coerce')
# Coeffs par trimestre
triDict = {
"trimestre 1": 1,
"trimestre 2": 1.05,
"trimestre 3": 1.1,
"trimestre 1.1": 1.15,
"trimestre 2.1": 1.2,
"trimestre 3.1": 1
}
# Matrices pour les coeffs et notes planches
matrice_general = pd.DataFrame(
{
'Mathématiques Spécialité': [5, 8],
'Mathématiques Expertes': [3, 6],
'Mathématiques Complémentaires': [7, 7],
'Enseignement scientifique': [4, 7],
'Numérique et Sciences Informatiques': [6, 8],
'Anglais': [2, 8],
'Français': [3, 7]
},
index=["Coeff", "Planche"]
)
matrice_sti2d = pd.DataFrame(
{
'Mathématiques': [5, 10],
'Physique-Chimie et Mathématiques': [4, 7],
'Systemes d\'\'information et numerique': [5, 8],
'Anglais': [2, 8],
'Français': [3, 8]
},
index=["Coeff", "Planche"]
)
# Nouvelle colonne classement
df["Classement Perso"] = [-1 for x in range(0, 2520)]
# Initialisation du "score" -> moyenne de l'etudiant apres normalisation etc
df["Score"] = [0 for x in range(0, 2520)]
for i in range(len(df)):
if df["Groupe candidat - Code"][i] == 10600:
options = createOptionDict(df, i)
# Si le candidat n'a pas de notes de Maths il n'est pas classe
if "Mathématiques" not in options:
df["Score"][i] = None
df["Classement Perso"][i] = -1
df["Score"][i] = calculScore(df, i, matrice_general)
if df["Groupe candidat - Code"][i] == 142310:
df["Score"][i] = calculScore(df, i, matrice_sti2d)
########################
# On trim les candidats ou score est None
df1 = df[df['Score'].notna()]
df2 = df1[df1['Classement Perso'] != 1]
df_classe = df2.sort_values(by='Score', ascending=False)
df_classe["Classement Perso"] = range(1, len(df_classe) + 1)
print(df_classe)
